2. Классификация экономико-математических моделей

Скачать доклад: 2. Классификация экономико-математических моделей

Важным этапом изучения явлений предметов процессов является их классификация, выступающая как система соподчиненных классов объектов, используемая как средство для установления связей между этими классами объектов. Основой классификации являются существенные признаки объектов. Поскольку признаков может быть очень много то и выполненные классификации могут значительно отличаться друг от друга.

Любая классификация должна преследовать достижение поставленных целей.

выбор цели классификации определяет набор тех признаков, по которым будут классифицироваться объекты, подлежащие систематизации. Цель нашей классификации - показать, что задачи оптимизации, совершенно различные по своему содержанию, можно решить на ЭВМ с помощью нескольких типов существующего программного обеспечения.

Классификацию задач оптимизации, возникающих на производстве, выполним по следующим признакам:

1. Область применения

2. Содержание задачи

3. Класс математической модели

1. Обеспечение производства включает в себя :

1.1 Организацию и управление

1.2 Проектирование изделий

1.3 Разработку технологических процессов

Во всех этих элементах производства возникают задачи оптимизации.

Так весьма широкий круг самых различных работ можно рассматривать как превращение ресурсов в результат. В связи с этим основные задачи, возникающие при управлении, могут быть отнесены к классу задач распределения ресурсов.

Объект проектирования в общем случае характеризуется своим устройством и действием. Устройство определяется структурой и параметрами. Действие характеризуется процессом функционирования.

При решении этих трех вопросов возникают задачи:

1.2.а Оптимизация параметров объекта проектирования.

1.2.б Оптимизация структуры объекта проектирования.

1.2.в Оптимизация функционирования

Технологический процесс определяется последовательностью работ, которые обеспечивают превращение сырья в готовую продукцию. Такую последовательность работ называют маршрутом. Каждая операция, входящая в маршрут характеризуется режимами обработки. Очевидно что задачи, требующие оптимального решения возникают как при выборе маршрута так и при определении параметров операций.

1.3.а Оптимизация маршрута изготовления изделия

1.3.б Оптимизация параметров технологических процессов.

Важным признаком классификации является класс математической модели.

Проведем классификацию по элементам математической модели: 1 Исходным данным 2 Искомым переменным 3 Зависимостям, описывающим ограничения и целевую функцию

1.1 Исходные данные, которые заданы определенными величинами называют детерминированными 1.2 Исходные данные, которые зависят от случайных факторов, например от своевременности поставки ресурсов, исправности оборудования и.т.д.

называют случайными величинами.

2.1 Переменные могут быть непрерывными и дискретными. Непрерывными называют такие величины, которые в заданном интервале могут принимать любые значения. Так масса добываемого угля или объем выпуска ткани представляют собой непрерывные величины.

2.2 Дискретными называют такие величины, которые могут принимать только целые значения. Так например нельзя выпустить 0.7 тепловоза или сдать строительный объект из 1.45 здания.

31 Зависимости межу переменными как в целевой функции так и в ограничениях могут быть линейными и нелинейными.

Линейными называют такие зависимости, в которые переменные входят в первой степени и нет их произведения.

3.2 Если переменные входят не в первой степени или есть произведение переменных, то зависимости являются нелинейными.

Сочетание различных элементов модели приводит к различным классам задач оптимизации. Различные классы задач требуют разных методов решения а следовательно и различных программных средств.

Наиболее распространенными задачами оптимизации возникающими в экономике являются задачи линейного программирования. Такая их распространенность объясняется следующим: 1) С их помощью решают задачи распределения ресурсов, к которым сводится очень большое число самых различных задач 2) Разработаны надежные методы их решения, которые реализованы в поставляемом программном обеспечении 3) Ряд более сложных задач сводится к задачам линейного программирования

Математическое моделирование в управлении и планировании

Один из мощных инструментов которым располагают люди, ответственные за управление сложными системами - моделирование. Модель является представлением реального объекта, системы или понятия в некоторой форме, отличной от формы их фактического реального существования.

Обычно модель служит средством, помогающим в объяснении, понимании или совершенствовании системы. Модель какого-либо объекта может быть или точной копией этого объекта, выполненной в другом масштабе или из другого материала, или отображать некоторые характерные свойства объекта в абстрактной форме, в частности в виде математических выражений. Анализ математических моделей дает в руки менеджеров и других руководителей эффективный инструмент, который может использоваться для предсказания поведения систем и сравнения получаемых результатов. Моделирование позволяет логическим путем прогнозировать последствия альтернативных действий и достаточно уверенно показывает какому из них следует отдать предпочтение.

Применение моделей дает менеджерам метод, повышающий эффективность их суждений и интуиции. Для достижения цели практически всегда существует несколько вариантов из которых нужно выбрать оптимальный.

Для определения лучшего варианта пользуются критерием эффективности или целевой функцией.

РУКОВОДСТВО ПРЕДПРИЯТИЕМ

Для достижения поставленной цели предприятию требуются материалы, оборудование, энергия, рабочая сила и другие ресурсы. Каждое предприятие такими ресурсами располагает, но общие запасы ресурсов ограничены. Поэтому возникает важная задача: выбор оптимального варианта, обеспечивающего достижение цели с минимальными затратами ресурсов. Таким образом эффективное руководство производством подразумевает такую организацию процесса, при которой не только достигается цель, но и получается экстремальное (MIN,MAX) значение некоторого критерия эффективности: К = F(X1,X2,...,Xn) => MIN(MAX) Функция К является математическим выражением результата действия, направленного на достижение поставленной цели, и поэтому ее называют целевой функцией.

Функционирование сложной производственной системы всегда определяется большим числом параметров. Для получения оптимального решения часть этих параметров нужно обратить в максимум, а другие в минимум. Возникает вопрос: существует ли вообще такое решение, которое наилучшим образом удовлетворяет всем требованиям сразу ? Можно уверенно ответить - нет. На практике решение, при котором какой-либо показатель имеет максимум, как правило, не обращает другие показатели ни в максимум ни в минимум.

Поэтому выражения типа: производить продукцию наивысшего качества с наименьшими затратами - это просто торжественная фраза по сути неверная.

Правильно было бы сказать: получить продукцию наивысшего качества при той же стоимости, или снизить затраты на производство продукции не снижая ее качества, хотя такие выражения звучат менее красиво, но зато они четко определяют цели.

Выбор цели и формулирование критерия ее достижения, то есть целевой функции, представляют собой труднейшую проблему измерения и сравнения мноазнородных переменных, некоторые из которых в принципе несоизмеримы друг с другом: например безопасность и стоимость, или качество и простота.

Но именно такие социальные, этические и психологические понятия часто выступают как факторы мотивации при определении цели и критерия оптимальности. В реальных задачах управления производством нужно учитывать то, что некоторые критерии имеют большую важность чем другие. Такие критерии можно ранжировать, то есть устанавливать их относительную значимость и приоритет. В подобных условиях оптимальным приходится считать такое решение, при котором критерии имеющие наибольший приоритет получают максимальные значения. Предельным случаем такого подхода является принцип выделения главного критерия.

При этом один какой-то критерий принимается в качестве основного, например прочность стали, калорийность продукта и.т.д. По этому критерию производится оптимизация, к остальным предъявляется только одно условие, чтобы они были не меньше каких-то заданных значений.

Между ранжированными параметрами нельзя проводить обычные арифметические операции, возможно лишь установление их иерархии ценностей и шкалы приоритетов, что является существенным отличием от моделирования в естественных науках.

При проектировании сложных технических систем, при управлении крупным производством или руководстве военными действиями, то есть в ситуациях где необходимо принимать ответственные решения, большое значение имеет практический опыт, дающий возможность выделить наиболее существенные факторы, охватить ситуацию в целом и выбрать оптимальный путь для достижения поставленной цели. Опыт помогает также найти аналогичные случаи в прошлом и по возможности избежать ошибочных действий.

Под опытом подразумевается е только собственная практика лица, принимающего решение но и чужой опыт, который описан в книгах, обобщен в инструкциях, рекомендациях и других руководящих материалах.

Естественно, когда решение уже апробировано, то есть известно какое именно решение наилучшим образом удовлетворяет поставленным целям проблемы оптимального управления не существует. Однако на самом деле практически никогда не бывает совершенно одинаковых ситуаций, поэтому принимать решения и осуществлять управление всегда приходится в условиях неполной информации. В таких случаях недостающую информацию пытаются получить используя догадки, предположения, результаты научных исследований и особенно изучение на моделях. Научно обоснованная теория управления во многом представляет собой набор методов пополнения недостающей информации о том как поведет себя объект управления при выбранном воздействии.

Стремление получить как можно больше информации об управляемых объектах и процессах включая и особенности их будущего поведения может быть удовлетворено путем исследования интересующих нас свойств на моделях. Модель дает способ представления реального объекта, который позволяет легко и с малыми затратами ресурсов исследовать некоторые его свойства. Только модель позволяет исследовать не все свойства сразу, а лишь те из них, которые наиболее существенны при данном рассмотрении. Поэтому модели позволяют сформировать упрощенное представление о системе и получить нужные результаты проще и быстрее чем при изучении самой системы. Модель производственной системы в первую очередь создается в сознании работника осуществляющего управление. На этой модели он мысленно пытается представить все особенности самой системы и детали ее поведения, предвидеть все трудности и предусмотреть все критические ситуации, которые могут возникнуть в различных режимах эксплуатации. Он делает логические заключения, выполняет чертежи планы и расчеты.

Сложность современных технических систем и производственных процессов приводит к тому, что для их изучения приходится использовать различные виды моделей.

Простейшими являются масштабные модели в которых соблюдается геометрическое подобие оригинала и модели, но натурные зачения всех размеров умножаются на постоянную величину - масштаб моделирования.

Большие объекты представляются в уменьшенном виде, а малые в увеличенном.

В аналоговых моделях исследуемые процессы изучаются не непосредственно а по аналогичным явлениям, то есть по процессам имеющим иную физическую природу, но которые описываются такими же математическими соотношениями. Для такого моделирования используются аналогии между механическими, тепловыми, гидравлическими, электрическими и другими явлениями. Например колебания груза на пружине аналогичны колебаниям тока в электрическом контуре, также движение маятника аналогично колебаниям напряжения на выходе генератора переменного тока.

Самым общим методом научных исследований является использование математического моделирования. Математической моделью описывает формальную зависимость между значениями параметров на входе моделируемого объекта или процесса и выходными параметрами. При математическом моделировании абстрагируются от конкретной физической природы объекта и происходящих в нем процессов и рассматривают только преобразование входных величин в выходные. Анализировать математические модели проще и быстрее, чем экспериментально определять поведение реального объекта в различных режимах работы. Кроме того анализ математической модели позволяет выделить наиболее существенные свойства данной системы, на которые надо обратить особое внимание при принятии решения. Дополнительное преимущество состоит в том, что при математическом моделировании не представляет труда испытать исследуемую систему в идеальных условиях или наоборот в экстремальных режимах, которые для реальных объектов или процессов требуют больших затрат или связаны с риском.

В зависимости от вида системы и конкретных целей, которые ставятся при анализе, возможны различные методы описания систем, то есть существует несколько различных подходов к математическому моделированию и системному анализу. В основе каждого подхода лежат те или иные представления, какой-то набор основных идей и теоретических предпосылок или как принято говорить определенная концепция.

1) Одна из возможных целей математического моделирования связана с желанием разобраться в свойствах систем вообще. В этом случае требуется иметь такую модель, которая охватывала бы как можно более широкий класс объектов и процессов.

2) Другая задача состоит в тщательном, количественном изучении систем определенного класса. При этом необходимо дать подробное математическое описание объектов интересующего класса и столь же подробное математическое описание происходящих в них процессов.

3) Наконец третий подход с которым часто приходится сталкиваться связан со стремлением использовать для анализа какие-то конкретные виды математических моделей.

Само принятие решения выходит за рамки математического моделирования и относится к компетенции ответственного лица которому предоставлено право окончательного выбора. При этом выборе он может учитывать наряду с рекомендациями, вытекающими из математического расчета, еще ряд соображений, которые этим расчетом не были учтены.

В зависимости от того, какой информацией обладают руководитель и его сотрудники, подготавливающие решения, меняются и условия принятия решений и математические методы, применяемые для выработки рекомендаций.

Если известны все действующие в системе факторы, то есть отсутствуют случайные воздействия, то это будет принятие решений в условиях определенности.

Когда решение может привести не к определенному исходу, а к одному из множества возможных с разными вероятностями их осуществления, то принимающий решение рискует получить не т результат, на который он рассчитывает. Поскольку исход каждой конкретной реализации случаен и потому заранее точно не предсказуем, метод называют приятием решений в условиях риска.

Если же исход операции зависит не только от стратегии избранной руководителем, но и от ряда факторов, не известных в момент принятия решения, например, действий конкурентов, такая задача называется принятием решений в условиях неопределенности.

Операцией называется комплекс мероприятий объединенных общим замыслом и направленных на достижение поставленной цели. Операция является управляемым мероприятием.

В общем случае цель операции выражается в стремлении к достижению экстремального значения критерия эффективности. При наличии еопределенности это уже не строго математическая задача, которая дает однозначное решение. Теперь она должна формулироваться следующим образом: При заданных ограничениях B1...Вn найти такие элементы управления X1...Xm которые с учетом случайных воздействий Q1...Qr по возможности обеспечивают максимальное значение критерия эффективности К max(min).

Теперь нет уверенности в том, что можно будет получить решение, а если оно будет получено то нет гарантии в том, что оно будет правильным.

Именно поэтому в формулировке задачи приходится делать оговорку "по возможности". Таким образом при решении проблем возникющих в реальной жизни математическая теория и научно обоснованные методы не дают точного решения. Причина этого в том, что когда нет точных данных, то есть нет полной информации остается лишь предполагать и строить догадки но нельзя считать что все предсказания сбудутся. И все таки решение, принятое хотя и в условиях неопределенности но на основании математических расчетов будет лучше чем взятое наугад. Задача состоит в том, чтобы это решение в возможно большей степени содержало черты разумности, именно в этом смысле следует понимать определение " по возможности оптимальное". Сложность математического моделирования в условиях неопределенности зависит от того какова природа неизвестных факторов. По этому признаку задачи делятся на два класса.

1) Стохастические задачи, когда неизвестные факторы представляют собой случайные величины, для которых известны законы распределения вероятностей и другие статистические харакеристики.

2) Неопределенные задачи, когда неизвестные факторы не могут быть описаны статистическими методами.

Вот пример стохастической задачи: Мы решили организовать кафе. Какое количество посетителей придет в него за день нам неизвестно. Также неизвестно сколько времени будет продолжаться обслуживание каждого посетителя. Однако характеристики этих случайных величин могут быть получены статистическим путем.

Показатель эффективности, зависящий от случайных величин также будет случайной величиной.

В данном случае мы в качестве показателя эффективности берем не саму случайную величину, а ее среднее значение и выбираем такое решение при котором это среднее значение обращается в максимум или минимум.